[发明专利]一种基于深度学习的抗拍屏鲁棒水印系统及算法

权利要求书

1.一种基于深度学习的抗拍屏鲁棒水印系统，其特征在于，包括：

编码器、与所述编码器信号连接的鉴别器与噪声网络模块及与所述噪声网络模块信号连接的解码器；

所述编码器用于用待嵌入的秘密信息构造信息膜；

所述鉴别器用于来区分图像是否被编码；

所述噪声网络模块用于对编码图像进行攻击；

所述解码器用于利用被攻击的编码图像来恢复嵌入的秘密信息。

2.如权利要求1所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，包括以下步骤：

S1、将随机二进制信息m₀输入编码器，所述m₀首先通过一个线性全连接层，处理成一个50*50*3的张量，再上采样成400*400*3的张量；

S2、构建编码网络，编码网络的作用是生成一张用于附加在待编码图像上的信息膜；

S3、将待编码图像与步骤S2中生成的信息膜相加即可得到水印图像；

S4、构建噪声网络，用一系列数学模型来模拟由物理成像而引起的畸变；

S5、将步骤S3生成的水印图像输入到步骤S4构建的噪声网络中；

S6、构建解码网络，通过解码器将编码后的图像向下采样为一系列数字，然后分成二进制；

S7、将步骤S5产生的加噪水印图像作为解码网络的输入，馈送入解码网络进行解码，得到嵌入的水印信息。

3.如权利要求2所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述步骤S4中包括透视变换、运动模糊、随机离散噪声、色彩失真、JPEG压缩噪声五种噪声，用于来模拟真实拍摄屏幕过程中会产生的噪声。

4.如权利要求3所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述透视变换为在拍摄屏幕过程中，摄像头没有对齐图像可能会造成图像发生形变，把一个图像投影到一个新的视平面的过程，通用的变换公式为：

其中(u，v)为原始图像像素坐标，为变换之后的图像像素坐标，在训练过程中，将四个角的透视变换程度控制在图像长宽的10％以内，并且在变换时使用双线性插值法，对需要填充的区域进行补全，经过透视变换后的图像，记为I_a。

5.如权利要求4所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述运动模糊为在拍摄屏幕过程中，由于相机运动或者不准确的对焦都可能导致拍摄出的图像模糊，设置了一个值来控制模糊核的方差，以生成7像素宽度的直线高斯模糊核G，并将旋转角度控制在0和2π之间。模糊图像I_b可用以下公式表示：

其中(i，j)表示加上模糊噪声后的图像I_b的坐标，(m，n)表示旋转后的高斯卷积核的坐标。

6.如权利要求5所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述随机离散噪声为相机系统成像时会引入各种噪声，如光子噪声、暗噪声和散粒噪声等，通过高斯噪声(N_g)模型，添加噪声后的图像I_c可表示为：

I_c=I_b+N_g。